ИА «Ореанда-Новости» Археологи из Университета Северной Аризоны надеются, что новая технология, которую они помогли внедрить, изменит то, как исследователи изучают осколки, которые оставлены древними обществами, отмечено в статье, размещённой на сайте eurasiareview.com.

Команда из Отдела антропологии НАУ смогла научить компьютеры выполнять сложную задачу, о которой давно мечтали многие учёные, которые изучают древние общества: быстро и последовательно сортировать тысячи образцов керамики по нескольким стилистическим категориям. Используя форму машинного обучения, известную как Сверточные нейронные сети (CNNs), исследователи создали компьютеризированный метод, примерно имитирующий мыслительные процессы человеческого разума при анализе визуальной информации.

"Теперь, используя цифровые фотографии керамики, машины могут выполнить то, на что раньше уходили сотни часов утомительной, кропотливой и напряженной работы археологов, которые физически сортировали куски разбитой керамики на группы, за долю времени и с большей последовательностью", - заявил антрополог Лешек Павлович. Он и профессор антропологии Крис Даунум начали исследовать возможность применения компьютера для точной классификации разбитых кусков керамики, известных как черепки, в известные типы керамики в 2016 году. Результаты их исследований появились в июньском номере рецензируемого издания Journal of Archaeological Science.

"На многих из тысяч археологических памятников, которые разбросаны по всему американскому юго-западу, археологи часто находят разбитые фрагменты керамики, известные как черепки. Многие из этих черепков будут иметь дизайн, который может быть отсортирован по ранее определенным стилистическим категориям, называемым  "типами", которые были соотнесены как с общим периодом времени, в течение которого они были изготовлены, так и с местами, где они были сделаны", - отметил Даунум. "Они предоставляют учёным важную информацию о времени, когда был занят объект, культурной группе, с которой он был связан, и других группах, с которыми они взаимодействовали.”

Исследование опиралось на недавние прорывы в использовании машинного обучения для классификации изображений по типам, в частности CNNS.

CNN в настоящее время представляют собой основу компьютерного распознавания изображений, которые используются для всего, от рентгеновских снимков для медицинских условий и сопоставления изображений в поисковых системах до самоуправляемых автомобилей. Павлович и Даунум рассудили, что если CNN можно задействовать для идентификации таких вещей, как породы собак и продукты, которые могут понравиться потребителю, почему бы не задействовать данный подход к анализу древней керамики?

До сих пор процесс распознавания диагностических конструктивных особенностей керамики был сложным и трудоемким. Это может потребовать месяцы или годы обучения для освоения и правильного применения категории дизайна к крошечным кусочкам разбитого горшка. Хуже того, данный процесс был подвержен человеческим ошибкам, поскольку археологи нередко расходятся во мнениях о том, какой тип представлен черепком, и им может быть трудно выразить свой процесс принятия решений словами. Анонимный рецензент статьи обозначил это фразой  "грязная тайна в археологии, о которой никто не говорит достаточно".

В стремлении создать более эффективный процесс, Павлович и Даунум собрали тысячи фотографий фрагментов керамики с определенным набором идентифицирующих физических характеристик, известных как белая посуда Тусаяна, которая распространена на большей части северо-восточной Аризоны и близлежащих штатов. Затем они попросили четырёх ведущих экспертов по керамике Юго-Запада, чтобы те определили тип дизайна керамики для каждого черепка и создали "учебный набор" черепков, из которых машина может учиться. Наконец, они обучили компьютер изучать типы керамики, сосредоточив внимание на образцах керамики, с которыми согласились археологи.

"Результаты были замечательными", - отметил Павлович. "За относительно короткий промежуток времени машина научилась идентифицировать керамику с точностью, сравнимой с точностью, а иногда и лучше, чем у экспертов-людей".

Для четырёх археологов с десятилетним опытом сортировки десятков тысяч настоящих черепков машина превзошла двоих из них из них и была сопоставима с двумя другими. Ещё более впечатляющим было то, что компьютеру удалось сделать то, с чем у многих специалистов могут возникнуть трудности: описать, почему она принимала решения о классификации, которые она делала. Используя цветные тепловые карты черепков, машина указывала на конструктивные особенности, которые ею использовались для принятия решений о классификации. Там самым она обеспечивала визуальную запись своих "мыслей".

"Захватывающим побочным эффектом этого процесса стала способность компьютера находить почти точные совпадения отдельных фрагментов керамических конструкций, представленных на отдельных черепках", - сказал Даунум. "Используя полученные CNN меры сходства для дизайна, компьютер смог просмотреть тысячи изображений для обнаружения наиболее похожего аналога индивидуального дизайна керамики".

Павлович и Даунум считают, что данная способность может позволить машине найти разбросанные кусочки одного разбитого горшка во множестве похожих черепков с древней мусорной свалки или провести региональный анализ стилистических сходств и различий между несколькими древними общинами. Данный подход также мог бы лучше связать конкретные образцы керамики с раскопанными сооружениями, которые были датированы с применением метода древесных колец.

Их исследования уже получили высокую оценку.

"Я горячо надеюсь, что юго-западные археологи примут данный подход и сделают это быстро. В этом просто так много смысла", - сказал Стивен Плог, почетный профессор археологии в Университете Вирджинии и автор книги "Стилистические вариации в доисторической керамике". "Мы многому научились у старой системы, но она перестала быть полезной, и пришло время изменить то, как нами анализируются керамические конструкции".

Исследователи изучают практическое применение опыта классификации модели CNN и работают над дополнительными журнальными статьями, чтобы поделиться этой технологией с другими археологами. Они надеются, что этот новый подход к археологическому анализу керамики может быть применен к другим типам древних артефактов, и что археология может войти в новую фазу классификации машин, что приведёт к большей эффективности археологических усилий и более эффективным методам обучения дизайну керамики новым поколениям студентов.


Евгений Прокопов, ИА "Ореанда-Новости"